517 人收藏，4B 跑出 15Hz：NVIDIA Cosmos 3 Edge 把物理 AI 塞进边缘设备

美西时间 7 月 20 日下午 3:45，Ming-Yu Liu 走上 SIGGRAPH 2026 的 NVIDIA 主题演讲台，身后大屏幕打出一行字：Cosmos 3 Edge，一个 4B 参数的开放世界模型，已在 NVIDIA Jetson Thor 上以 15Hz 实时运行。

这不是靠云端 GPU 集群才能喘气的 demo。Cosmos 3 Edge 的设计目标从一开始就是"塞进边缘设备"——从机器人主控板到自动驾驶域控制器，从智能摄像头到工厂巡检终端。

发布后 6 小时内，NVIDIA AI 官号（32.2 万粉丝）的推文已经攒下 1,319 次点赞、102K 浏览和 517 个书签。在 X 的时间线上，"on-device world model"从技术白皮书的术语变成了高频词。

Ming-Yu Liu 站上 SIGGRAPH 讲台，背后是 517 个开发者的书签

NVIDIA Cosmos Lab 副总裁 Ming-Yu Liu（IEEE Fellow）在 SIGGRAPH 现场宣布了这一消息。他的推文简洁克制——"Cosmos 3 Edge is openly available, bringing frontier world models to NVIDIA Jetson Thor"——但在 NVIDIA AI 主号上，真正的引爆才刚刚开始。

NVIDIA AI（@NVIDIAAI）用一个四连推线程铺开了消息：开篇宣告模型发布，第二推点明双塔架构，第三推亮出 VANTAGE-Bench 排名第一的 benchmark，第四推——收获 45 次转发和 266 次点赞——把 HuggingFace 下载链接扔了出来："As always, Cosmos 3 Edge is fully open. This includes model weights, post-training recipes and code."

NVIDIA Robotics（@NVIDIARobotics, 13.8 万粉丝）则从机器人开发者的视角切入，直言 Cosmos 3 Edge "small enough for the smallest boards and fast enough for real robot control loops"，在 Jetson 上跑出"higher speed and accuracy than similarly sized open models"。

Cosmos 团队成员 Ashkan Mirzaei（NVIDIA 世界模型研究员）用更工程师的语言总结："It brings video understanding, prediction, simulation, reasoning, and action to robots, autonomous vehicles, and vision agents at the edge."

社区的反响同样直接。机器人开发者 Steven Cheng 看到后说："Running a world model on Jetson is huge for my delta robot prototypes."另一位开发者 Winston B. 则点出了本质："On-device at 4B, the robot reasons without a cloud round-trip, which is the whole game for real-time control."

SIGGRAPH 2026 第一天，NVIDIA 一口气把物理 AI 三件套全端出来了

Cosmos 3 Edge 不是凭空冒出来的。

5 月 31 日，NVIDIA 发布了 Cosmos 3 系列的两个大尺寸版本——Nano（16B）和 Super（64B）——均为开源世界基础模型，覆盖文本、图像、视频、音频和动作的多模态理解与生成。但那时的部署场景是数据中心：需要 H100 或 DGX Station 级别的算力才能跑起来。

7 月 17 日，NVIDIA 在 HuggingFace 上发布了 NeMo Automodel 集成方案，让开发者可以用熟悉的 Diffusers API 微调 Cosmos 系列的视频和图像生成能力。同一天，Nemotron 3 Embed 模型登顶 RTEB 检索基准——NVIDIA 在模型层的铺路节奏明显加快。

然后就是 SIGGRAPH 2026。这场在洛杉矶举办、持续至 7 月 23 日的图形学顶会，成了 NVIDIA 物理 AI 战略的阅兵场。除了 Cosmos 3 Edge，NVIDIA 同场还发布了 MCP 协议驱动的创意工具 AI 代理方案、合成视频检测 NIM 微服务、以及面向 DGX Station 的 NeMoClaw 超级代理平台。

将这些发布放在一起看，逻辑就清楚了：Cosmos 3 Edge 让物理 AI"跑在设备上"，NeMoClaw 让代理 AI"跑在桌面上"，合成视频检测让媒体 AI"跑在信任上"。SIGGRAPH 2026 第一天，NVIDIA 把"AI 从云端落地"这个故事讲了三个版本。

自回归搭上扩散，两个 Transformer Tower 共享一个世界表征

Cosmos 3 Edge 的核心是"Mixture-of-Transformers"双塔架构。

自回归 Transformer Tower 处理文本和视觉 token，负责理解和推理；扩散 Transformer Tower 处理视频、音频和动作 token，负责预测、生成和神经模拟。两个塔各自维护独立的归一化层和多层感知机，但在多头注意力层共享参数——语言、视频、音频和动作信息在同一个表征空间中对齐。

第二个关键设计是统一动作表征。不同物理系统的动作描述天差地别——车辆用自车位姿和运动向量，机械臂用末端执行器位姿，灵巧手还需要抓取状态。Cosmos 3 Edge 把这些异构动作全部编码为紧凑的几何向量——平移、旋转、操作状态——让模型在像素变化和物理运动之间建立直接映射。

在 Policy Mode 下，模型一次推理输出 32 个动作及其预期视觉后果。输入当前状态，输出"该做什么"和"接下来会发生什么"——世界建模和策略训练在一个模型中闭环。

Benchmark 数据给出了硬验证：在同参数级别（4B）的开放模型中，Cosmos 3 Edge 在 VANTAGE-Bench 视觉分析基准上排名第一。在 NVIDIA Jetson Thor 上，模型以 640×360 的机器人控制分辨率运行，实现 15Hz 实时控制。NVIDIA 同时发布了基于 DROID 数据集后训练的 Cosmos 3 Edge Policy 版本，附带完整的后训练脚本。

开源模型 + Jetson 硬件：一个 CUDA 级别的平台故事正在物理 AI 重演

此前，世界模型是数据中心的专属品。Google DeepMind 的 Genie 系列、Meta 的 VideoJAM、以及 NVIDIA 自家的 Cosmos 3 Super（64B）——这些前沿模型动辄需要多卡 H100 才能运行推理，遑论部署到移动机器人或车载计算平台上。

Cosmos 3 Edge 改变的是"物理 AI 的部署半径"。

一个 4B 参数的模型能在 Jetson Thor 上跑出 15Hz 实时控制——意味着实时推理的延迟从"秒级"压缩到了"毫秒级"。在仓库机器人避障、自动驾驶紧急制动、智能摄像头异常检测这些场景中，云端延迟就是不可接受的奢侈。

NVIDIA 的做法——模型开源免费、硬件深度绑定——不免让人想起 CUDA 的早期历史。Cosmos 3 Edge 在 HuggingFace 上以 OpenMDW 1.1 许可证完全开放，模型权重、后训练配方、推理代码全部公开。但最佳运行环境全部指向 NVIDIA 自家芯片：Jetson Thor、Jetson Orin 8GB、DGX Spark、RTX PRO GPU。

合作伙伴名单已经透露出生态迹象：Agile Robots、Doosan Robotics、Siemens、Skild AI 正在评估 Cosmos 3 Edge 用于机器人工作流；Centific、Vaidio、YUAN 在评估其用于智能视觉代理。NVIDIA 同时在推动 Cosmos 3 Edge 作为自动驾驶策略模型蒸馏的"学生骨干"，与 NVIDIA Alpamayo 视觉语言动作模型协同。

一位开发者在 X 上的评价一针见血："Edge deployment is what turns a world model from an impressive research artifact into an operating-system decision."

物理 AI 的竞赛，从「能不能跑」变成了「能不能在边缘跑」

物理 AI 的下一个战场不在数据中心，而在每一个机器人的主控板上。Cosmos 3 Edge 的出现，把这个判断从一句行业预言变成了可以下载、可以部署、可以在 Jetson 上跑出 15Hz 的工程现实。

NVIDIA 的赌注很清楚：谁定义了边缘世界模型的运行标准，谁就定义了物理 AI 的操作系统。

本文基于 NVIDIA 官方博客、HuggingFace 模型页面、SIGGRAPH 2026 发布会及 X/Twitter 社区公开讨论撰写。

转载声明：本文由 AREX Agent 生成，仅供信息参考，不构成投资建议。